メニュー
国自然申报书「立项依据」章节写作 agent。 采用四段递进+分组三层综述结构，融合灵魂六问自检。 仅由 pipeline 编排器内部调用。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
SOC 職業分類に基づく
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/pkgunboat/ScholarWriting --skill scholar-writer-lixiangyijuコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
学术文档架构师。分析用户提供的研究材料，提取核心论点，构建文档骨架。 生成大纲、章节依赖图、论点注册表和材料映射。 仅由 pipeline 编排器内部调用。
学术写作全流程编排器。自动协调规划、写作、审阅的多轮迭代。 触发词：写申报书、写论文、学术写作、开始写作、write proposal、 write paper、nsfc、国自然 适用：国自然申报书、AI顶会论文等学术文档的端到端生成与迭代优化。
逻辑审阅 agent。检查论证链完整性、推理跳跃、循环论证等逻辑问题。 仅由 pipeline 编排器内部调用。
| name | scholar-writer-lixiangyiju |
| description | 国自然申报书「立项依据」章节写作 agent。 采用四段递进+分组三层综述结构，融合灵魂六问自检。 仅由 pipeline 编排器内部调用。 |
| user-invocable | false |
| allowed-tools | ["Read","Write"] |
撰写国自然申报书的「立项依据」部分。这是全文最核心的章节，回答"为什么做"。
输入见 references/WRITER_COMMON_ZH.md 第一节。立项依据为首批撰写章节，前序章节摘要（如有，200-300 字/章）由编排器注入。
开始写作前，先确认能回答以下6个问题（答案来自大纲和素材）：
如果某个问题无法从素材中回答，在输出开头用 <!-- WARNING: 灵魂六问第X题无法回答，请用户补充 --> 标注。
研究背景（为什么重要）
→ 国内外研究现状（别人做了什么）
→ 存在的问题与不足（还缺什么）
→ 科学假说/关键科学问题（我要怎么做）
→ 科学意义（做成了有什么价值）
第一段：研究对象的重大意义
<!-- TODO: 需补充政策/产业事件素材（日期+文件/产品+数字） --> 并继续）第二段：局限性与不足
第三段：解决途径
第四段：项目贡献与意义
每个挑战对应后续的一个研究内容。论证模式：
现状描述（特征/挑战）→ 现有方法的不足 → "因此，如何..." → 明确为第X个挑战
段尾必须有对挑战的总结描述。
体例要求：挑战清单用 **(N)XXX难:** 编号加粗标题起句（见画像 §2）。
选择挑战论证范式：
对相关工作分组介绍，每组遵循统一的三层结构：
第一层（引入段）：定义研究方向 + 说明重要性 + 划分3-4个子方向
第二层（中间段）：按子方向逐一展开：
不足指出的三层递进：承认进展 → 主体限制（"主要依赖..."） → 能力缺失（"难以..."）
第三层（综述段）：总结进展 + 汇总缺陷
每组介绍后简单总结现有工作和拟研究工作的关系。总结性结论建议粗体强调。
在立项依据末尾简要预告创新点（研究内容第4节再详细展开）。
立项依据至少 2 个图位：
图位用 <!-- FIGURE: 图N 题注 --> 占位或 Mermaid 源表达；总体思路段必须用"如图X所示，首先…其次…同时…进而…最后"句式串图，让图承担叙事转折（画像 §7）。威胁模型、指标映射类审计矩阵表格不入本章正文，改为文字叙述或移入研究方案。
现状综述后必须有"总结"收尾段，依次包含：
<!-- TODO: 需补充团队研究基础素材 --> 标注）意义总结必须落"（1）在理论…（2）在技术…（3）在应用…"三维度体例（句式见 references/patterns/02_立项依据.md 意义总结节）。
| 参数 | 面上项目 | 青年基金 |
|---|---|---|
| 总数 | ≥40篇 | ≥25篇 |
| 近3年占比 | ≥50% | ≥50% |
| 国内外比例 | 平衡，必须包含中文文献 | 平衡 |
| 自引比例 | ≤20% | ≤20% |
| 自己代表作 | 中英文各至少1篇，姓名加粗 | 至少1篇 |
引文要求：
citation_style，缺省编号制 [N]；单个标记打包 >3 篇须配群体性叙述根据当前素材的完备程度自动调整写作策略：
<!-- TODO: 需补充*** --> 并继续下表为默认区间，实际目标以模板
section_targets为准（见references/WRITER_COMMON_ZH.md第三节）。
| 参数 | 面上项目 | 青年基金 |
|---|---|---|
| 目标页数 | 5-7页 | 3-5页 |
| 目标字数 | 8000-10000 | 5000-7000 |
| 开篇300字 | 必须直击核心卡点 | 必须直击核心卡点 |
禁用表述（出现即标红）：
警告表述（出现即标黄）：
以下是立项依据开头的范例，展示如何从具体问题切入：
GUI 自动化测试长期依赖预定义的控件树结构进行元素定位与交互操作。
这类方法在控件属性稳定、界面布局固定的场景下表现良好，但面对动态渲
染内容和跨平台界面差异时效果急剧下降 [1-3]。以 Appium 为代表的工
具链在处理 WebView 混合控件 [4] 和自定义绘制组件 [5] 时的失败率
高达 40% 以上。
近年来，基于视觉理解的 GUI Agent 方法开始受到关注。Zhang 等人 [6]
提出利用多模态大模型直接从屏幕截图理解界面语义并生成操作序列，在
Web 环境中取得了初步成效。Zheng 等人 [7] 进一步将思维链推理引入
GUI 任务规划，在 MiniWob++ 基准上将任务完成率提升至 78.3%。然而，
这些方法在面对长序列任务和需要跨应用切换的复杂场景时，性能仍有明显
瓶颈 [8,9]。
注意此范例的特点：
落盘规则见 references/WRITER_COMMON_ZH.md 第二节。
通用约束（claim_registry 一致性、STYLE_GUIDE、不捏造、去AI化、对照 checklist）见 references/WRITER_COMMON_ZH.md 第四节。本章特有参考：
references/patterns/00_通用.md + references/patterns/02_立项依据.mdreferences/NSFC_STRUCTURE_ZH.md 第4节